Import Library Penting

Sejumlah library penting yang digunakan dalam project kali ini diantaranya adalah:

• pandas ==> membersihkan data mentah ke dalam sebuah bentuk yang bisa diolah
• matplotlib & plotly ==> visualisasi data dalam bentuk graph, chart, termasuk visualisasi data dalam 3D scatter plot
• sklearn ==> menyediakan berbagai algoritma untuk machine learning, salah satunya adalah k-means

# Import library penting
from sklearn.cluster import KMeans
import pandas as pd
from sklearn.preprocessing import MinMaxScaler, StandardScaler, RobustScaler
from sklearn.decomposition import PCA
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import plotly.express as px
%matplotlib inline

Load dataset

Dalam hal ini, dataset yang digunakan berformat Excel. Dataset berformat Excel tersebut nantinya diubah dalam bentuk pandas dataframe. Kemudian, cek masing-masing kolom apakah ada baris yang bernilai null atau tidak. Deskripsi statistik dari dataset mencakup count, mean, standar deviasi (std), 3std, dll. Deskripsi statistik dataset bertujuan untuk mengetahui gambaran statistik dari dataset termasuk melihat adanya potensi outlier dari dataset.

# Buka dataset
df = pd.read_excel("..\excel\Cluster_Analysis.xlsx")

# Atur kolom "Well No." sebagai indeks kolom
df = df.set_index("Well No.")

# Tampilkan
display(df.head(10))
display(df.info())

	Easting (ft)	Northing (ft)	X1	X2	X3	X4
Well No.
Well 1	12561	8558	1325.60	5.533	405	35
Well 2	11955	10140	341.90	3.508	430	40
Well 3	9527	8273	4514.50	8.503	170	48
Well 4	9845	8810	3444.10	6.034	185	35
Well 5	9165	10140	86.00	1.929	185	32
Well 6	9770	6170	3520.31	7.051	385	47
Well 7	12485	6170	853.80	5.454	100	31
Well 8	7205	8810	2188.70	4.715	50	27
Well 9	6525	10141	7.40	0.582	10	21
Well 10	4565	8810	4720.50	6.908	64	38

<class 'pandas.core.frame.DataFrame'>
Index: 48 entries, Well 1 to Well 48
Data columns (total 6 columns):
 #   Column         Non-Null Count  Dtype  
---  ------         --------------  -----  
 0   Easting (ft)   48 non-null     int64  
 1   Northing (ft)  48 non-null     int64  
 2   X1             48 non-null     float64
 3   X2             48 non-null     float64
 4   X3             48 non-null     int64  
 5   X4             48 non-null     int64  
dtypes: float64(2), int64(4)
memory usage: 2.6+ KB

None

Membuat Deskripsi Statistik Dataset

Deskripsi statistik dari dataset mencakup count, mean, standar deviasi (std), 3std, dll. Deskripsi statistik dataset bertujuan untuk mengetahui gambaran statistik dari dataset termasuk melihat adanya potensi outlier dari dataset dengan menggunakan perbandingan nilai max min terhadap nilai +-3 x STD metric, apakah di luar jangkauan +-3 x STD metric atau tidak.

# Membuat deskripsi statistik
desc_df = df.describe()

# Tambahkan metriks standar deviasi
desc_df.loc['+3_std'] = desc_df.loc['mean'] + (desc_df.loc['std'] * 3)
desc_df.loc['-3_std'] = desc_df.loc['mean'] - (desc_df.loc['std'] * 3)

# Tampilkan
desc_df

	Easting (ft)	Northing (ft)	X1	X2	X3	X4
count	48.000000	48.000000	48.000000	48.000000	48.000000	48.000000
mean	11503.979167	5214.354167	6818.245208	6.907625	763.166667	42.312500
std	4511.728699	3143.363854	9139.622879	3.150359	715.889607	12.708108
min	3205.000000	225.000000	7.400000	0.582000	10.000000	13.000000
25%	8183.750000	2292.000000	1002.450000	4.701250	181.250000	33.000000
50%	11475.000000	4860.000000	3482.205000	6.888000	402.500000	44.500000
75%	15227.500000	8344.250000	7743.625000	9.313000	1325.000000	51.000000
max	18405.000000	10141.000000	36347.400000	13.073000	2800.000000	69.000000
+3_std	25039.165263	14644.445729	34237.113845	16.358701	2910.835487	80.436824
-3_std	-2031.206929	-4215.737395	-20600.623428	-2.543451	-1384.502154	4.188176

Dari deskripsi statistik tersebut, secara umum dataset tidak memiliki potensi outlier.

Visualisasi Dataset Awal dan Standarisasi Skala Dataset

Visualisasi Dataset Awal

Dilakukan visualisasi dataset untuk melihat gambaran secara kualitatif dataset tersebut. Apakah ada korelasi antar variabel/fitur? Apakah korelasinya positif atau negatif? Apakah trend-nya linier atau non-linier?

# Visualisasi 4 variabel (X1, X2, X3, X4) dalam grafik 2D
fig1 = px.scatter(df, x = "X1", y = "X2", color = "X3", size = "X4")
fig1.update_layout(title = "4 variabel dalam grafik 2D")
fig1.show()

# Visualisasi 4 variabel dalam grafik 3D
fig2 = px.scatter_3d(df, x = "X1", y = "X2", z = "X3", color = "X4")
fig2.update_layout(title = "4 variabel dalam grafik 3D")
fig2.show()

Dari grafik 2D, Sumbu X menunjukkan X1, sumbu Y menunjukkan X2, skala warna menunjukkan X3, dan ukuran point menunjukkan X4. Kita bisa melihat adanya korelasi positif non-linier antara X1 dan X2. Nilai X1 dan X2 yang semakin besar juga berbanding lurus dengan nilai X3 yang ditunjukkan dengan warna yang bergradasi dari biru tua menjadi kuning dan nilai X4 yang ditunjukkan dengan ukuran point yang relatif semakin besar.

Standarisasi/Normalisasi Dataset

Tahap selanjutnya yakni melakukan normalisasi pada dataset. Masing-masing variabel/fitur tentunya memiliki unit satuan yang berbeda sehingga perlu dilakukan standarisasi/normalisasi. Untuk melakukan normalisasi, ada 3 opsi yang dapat dilakukan:

• Standard Scaler: Dilakukan dengan mengurangi rata-rata (mean) dari setiap data point dan dibagi dengan standar deviasi. Metode ini sensitif terhadap data outlier.
• Min Max Scaler: Skala data dengan range antara 0 - 1. Metode ini dilakukan dengan mengambil setiap data point, dikurangi dengan data minimum, kemudian dibagi dengan selisish antara data point maksimum dengan minimum. Metode ini juga sensitif terhadap outlier.
• Robust Scaler: Metode ini menggunakan rentang interquartile dibandingkan dengan rentang minimum - maksimum. Metode ini cocok untuk dataset yang memiliki outlier.

Untuk mengetahui lebih lanjut tentang proses standarisasi menggunakan 3 opsi tersebut, dapat menelusuri link berikut: link. Karena dataset tidak memiliki potensi outlier (berdasarkan deskripsi statistik dataset), maka digunakan metode Min Max Scaler.

min_max_scaler = MinMaxScaler()

# Normalisasi dataset
min_max_scaler.fit(df[['X1']])
df['X1'] = min_max_scaler.transform(df[['X1']])

min_max_scaler.fit(df[['X2']])
df['X2'] = min_max_scaler.transform(df[['X2']])

min_max_scaler.fit(df[['X3']])
df['X3'] = min_max_scaler.transform(df[['X3']])

min_max_scaler.fit(df[['X4']])
df['X4'] = min_max_scaler.transform(df[['X4']])

# Tampilkan
df.head(10)

	Easting (ft)	Northing (ft)	X1	X2	X3	X4
Well No.
Well 1	12561	8558	0.036274	0.396365	0.141577	0.392857
Well 2	11955	10140	0.009205	0.234249	0.150538	0.482143
Well 3	9527	8273	0.124026	0.634137	0.057348	0.625000
Well 4	9845	8810	0.094571	0.436474	0.062724	0.392857
Well 5	9165	10140	0.002163	0.107838	0.062724	0.339286
Well 6	9770	6170	0.096668	0.517893	0.134409	0.607143
Well 7	12485	6170	0.023291	0.390041	0.032258	0.321429
Well 8	7205	8810	0.060025	0.330878	0.014337	0.250000
Well 9	6525	10141	0.000000	0.000000	0.000000	0.142857
Well 10	4565	8810	0.129695	0.506445	0.019355	0.446429

# Visualisasi 4 variabel (X1, X2, X3, X4) dalam grafik 2D
fig3 = px.scatter(df, x = "X1", y = "X2", color = "X3", size = "X4")
fig3.update_layout(title = "4 variabel dalam grafik 2D")
fig3.show()

Principal Component Analysis (PCA)

Secara sederhana, Analisis Komponen Utama (Principal Component Analysis) adalah analisis untuk mereduksi sejumlah variabel yang banyak dari suatu dataset sehingga mempunyai dimensi yang lebih kecil namun dapat menerangkan sebagian besar keragaman variabel aslinya. Dengan melakukan PCA, maka pemrosesan model lebih cepat tanpa mengurangi keragaman variabel aslinya. Untuk informasi lebih lanjut tentang PCA, dapat mengunjungi link berikut: link

X_train_minmax = min_max_scaler.fit_transform(df[['X1', 'X2', 'X3', 'X4']])
X_train_minmax

# Input sebagai PCA class object
pca = PCA().fit(X_train_minmax)

# Plot penjumlahan kumulatif dari Explained Variance
plt.figure()
plt.plot(np.cumsum(pca.explained_variance_ratio_))

# Definisikan label dan judul
plt.xlabel('Jumlah Komponen', fontsize = 15)
plt.ylabel('Variance (%)', fontsize = 15)
plt.title('Explained Variance', fontsize = 20)
plt.grid(b = None, which = 'Major', axis = 'both')

# Tampilkan
plt.show()

Dari grafik tersebut, dapat dilihat bahwa 100% variance dapat dijelaskan hanya dengan 3 komponen. Maka, untuk tahap k-means clustering, 3 komponen tersebut sebagai input.

# Membuat dataset PCA
pca_dataset = PCA(n_components = 3).fit(X_train_minmax).transform(X_train_minmax)

# Simpan dalam dataframe yang baru
pca_dataset = pd.DataFrame(data = pca_dataset, columns = ['principal component 1', 'principal component 2', 'principal component 3'])

# Tampilkan
pca_dataset.head(10)

	principal component 1	principal component 2	principal component 3
0	-0.257410	0.010241	-0.014850
1	-0.319013	-0.005766	-0.066692
2	-0.013475	0.264365	-0.042363
3	-0.243245	0.086584	0.054877
4	-0.501030	-0.042296	0.031679
5	-0.064880	0.156129	-0.071152
6	-0.351643	0.063840	0.042337
7	-0.408143	0.024900	0.116175
8	-0.682235	-0.119085	0.148956
9	-0.182367	0.169381	0.067104

# Visualisasi 3 principal components dalam grafik 3D
fig5 = px.scatter_3d(pca_dataset, x = "principal component 1", y = "principal component 2", z = "principal component 3")
fig5.update_layout(title = "3 Komponen PCA")
fig5.show()

fig6 = px.scatter(pca_dataset, x = "principal component 1", y = "principal component 2", color = "principal component 3")
fig6.update_layout(title = "3 Komponen PCA")
fig6.show()

# Buat list index untuk pca_dataset
index = []
for i in range(1, 49):
    index.append('Well ' + str(i))

# Tambahkan kolom baru 'Well No.'
pca_dataset['Well No.'] = index

# Atur kolom "Well No." sebagai indeks kolom
pca_dataset = pca_dataset.set_index("Well No.")

# Drop kolom 'index'
pca_dataset.drop(['index'], axis = 1, inplace = True)

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-12-0d2629202e6b> in <module>
     11 
     12 # Drop kolom 'index'
---> 13 pca_dataset.drop(['index'], axis = 1, inplace = True)

~\anaconda3\lib\site-packages\pandas\core\frame.py in drop(self, labels, axis, index, columns, level, inplace, errors)
   4161                 weight  1.0     0.8
   4162         """
-> 4163         return super().drop(
   4164             labels=labels,
   4165             axis=axis,

~\anaconda3\lib\site-packages\pandas\core\generic.py in drop(self, labels, axis, index, columns, level, inplace, errors)
   3885         for axis, labels in axes.items():
   3886             if labels is not None:
-> 3887                 obj = obj._drop_axis(labels, axis, level=level, errors=errors)
   3888 
   3889         if inplace:

~\anaconda3\lib\site-packages\pandas\core\generic.py in _drop_axis(self, labels, axis, level, errors)
   3919                 new_axis = axis.drop(labels, level=level, errors=errors)
   3920             else:
-> 3921                 new_axis = axis.drop(labels, errors=errors)
   3922             result = self.reindex(**{axis_name: new_axis})
   3923 

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in drop(self, labels, errors)
   5280         if mask.any():
   5281             if errors != "ignore":
-> 5282                 raise KeyError(f"{labels[mask]} not found in axis")
   5283             indexer = indexer[~mask]
   5284         return self.delete(indexer)

KeyError: "['index'] not found in axis"

# Tampilkan 10 baris pertama
pca_dataset.head(10)

	principal component 1	principal component 2	principal component 3
Well No.
Well 1	-0.257410	0.010241	-0.014850
Well 2	-0.319013	-0.005766	-0.066692
Well 3	-0.013475	0.264365	-0.042363
Well 4	-0.243245	0.086584	0.054877
Well 5	-0.501030	-0.042296	0.031679
Well 6	-0.064880	0.156129	-0.071152
Well 7	-0.351643	0.063840	0.042337
Well 8	-0.408143	0.024900	0.116175
Well 9	-0.682235	-0.119085	0.148956
Well 10	-0.182367	0.169381	0.067104

final_dataset = df.join(pca_dataset, how="inner")
final_dataset.head(10)

	Easting (ft)	Northing (ft)	X1	X2	X3	X4	principal component 1	principal component 2	principal component 3
Well No.
Well 1	12561	8558	0.036274	0.396365	0.141577	0.392857	-0.257410	0.010241	-0.014850
Well 2	11955	10140	0.009205	0.234249	0.150538	0.482143	-0.319013	-0.005766	-0.066692
Well 3	9527	8273	0.124026	0.634137	0.057348	0.625000	-0.013475	0.264365	-0.042363
Well 4	9845	8810	0.094571	0.436474	0.062724	0.392857	-0.243245	0.086584	0.054877
Well 5	9165	10140	0.002163	0.107838	0.062724	0.339286	-0.501030	-0.042296	0.031679
Well 6	9770	6170	0.096668	0.517893	0.134409	0.607143	-0.064880	0.156129	-0.071152
Well 7	12485	6170	0.023291	0.390041	0.032258	0.321429	-0.351643	0.063840	0.042337
Well 8	7205	8810	0.060025	0.330878	0.014337	0.250000	-0.408143	0.024900	0.116175
Well 9	6525	10141	0.000000	0.000000	0.000000	0.142857	-0.682235	-0.119085	0.148956
Well 10	4565	8810	0.129695	0.506445	0.019355	0.446429	-0.182367	0.169381	0.067104

K-Means Cluster

Elbow Plot

Elbow plot memudahkan kita untuk mengetahui jumlah k yang optimal berdasarkan jumlah fitur yang dipertimbangkan dalam kluster. Ibarat lengan yang sedang ditekuk, k yang optimal terletak diantara 2 trend garis (sebagai penghubung antara 2 trend yang berbeda). Untuk studi kasus ini, penentuan k optimal berdasarkan fitur dari 3 principal component yang telah dianalisis sebelumnya (PC1, PC2, PC3) dan fitur dari dataset asli (x1, x2, x3, x4).

sse = []
k_range = range(1,10)
for k in k_range:
    km = KMeans(n_clusters = k)
    km.fit(final_dataset[['principal component 1', 'principal component 2', 'principal component 3']])
    sse.append(km.inertia_)
    
# Plot
plt.xlabel('K')
plt.ylabel('Sum of squared error')
plt.plot(k_range, sse)

[<matplotlib.lines.Line2D at 0x199da4e5fa0>]

sse2 = []
k_range2 = range(1,10)
for k in k_range2:
    km = KMeans(n_clusters = k)
    km.fit(final_dataset[['X1', 'X2', 'X3', 'X4']])
    sse2.append(km.inertia_)
    
# Plot
plt.xlabel('K')
plt.ylabel('Sum of squared error')
plt.plot(k_range2, sse2)

[<matplotlib.lines.Line2D at 0x199da54bb50>]

Dari 2 elbow plot tersebut, dapat terlihat bahwa K-optimal = 2. Namun, untuk studi kasus ini, digunakan K = 3 dan K = 4 sebagai bahan perbandingan.

clusters = [2, 3, 4]


for cluster in clusters:
    print('-'*100)
    km = KMeans(n_clusters = cluster, random_state = 0).fit(final_dataset[['principal component 1', 'principal component 2', 'principal component 3']])
    
    # define the cluster centers
    cluster_centers = km.cluster_centers_
    C1 = cluster_centers[:, 0]
    C2 = cluster_centers[:, 1]
    C3 = cluster_centers[:, 2]
    
    # create a new plot
    fig = plt.figure()
    ax = Axes3D(fig)
    
    # take pca dataset in this example
    x = final_dataset['principal component 1']
    y = final_dataset['principal component 2']
    z = final_dataset['principal component 3']
    
    # define the axes labels
    column_names = final_dataset.columns
    ax.set_xlabel(column_names[6])
    ax.set_ylabel(column_names[7])
    ax.set_zlabel(column_names[8])
    
    # create a new plot
    ax.scatter(x, y, z, c = km.labels_.astype(float), cmap = 'cool')
    ax.scatter(C1, C2, C3, marker = "x", color = 'r')
    plt.title('Visualisasi data dengan {} kluster'.format(cluster), fontweight = 'bold')
    plt.show()
    
    
    

    
    
    

----------------------------------------------------------------------------------------------------

----------------------------------------------------------------------------------------------------

----------------------------------------------------------------------------------------------------

clusters = [2, 3, 4]
y_predicted = []

for cluster in clusters:
    kmeans = KMeans(n_clusters = cluster, random_state = 0).fit_predict(final_dataset[['principal component 1', 'principal component 2', 'principal component 3']])
    y_predicted.append(kmeans)
    
y_predicted

[array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 1, 1,
        1, 1, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0,
        0, 1, 1, 0]),
 array([2, 0, 2, 2, 0, 2, 0, 0, 0, 2, 0, 0, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1,
        1, 1, 1, 1, 2, 2, 1, 0, 0, 2, 2, 2, 0, 0, 2, 2, 2, 2, 0, 1, 2, 0,
        0, 1, 1, 2]),
 array([2, 0, 2, 2, 0, 2, 0, 0, 0, 2, 0, 0, 1, 3, 3, 3, 2, 2, 2, 1, 3, 1,
        1, 3, 1, 1, 2, 2, 1, 0, 0, 2, 2, 2, 0, 0, 2, 2, 2, 2, 0, 1, 2, 0,
        0, 1, 1, 2])]

column_names = {'X1': 'norm_X1', 'X2': 'norm_X2', 'X3': 'norm_X3', 'X4': 'norm_X4'}

# Ganti nama kolom
final_dataset = final_dataset.rename(columns = column_names)


final_dataset['cluster with k=2'] = y_predicted[0]
final_dataset['cluster with k=3'] = y_predicted[1]
final_dataset['cluster with k=4'] = y_predicted[2]

final_dataset

	Easting (ft)	Northing (ft)	norm_X1	norm_X2	norm_X3	norm_X4	principal component 1	principal component 2	principal component 3	cluster with k=2	cluster with k=3	cluster with k=4
Well No.
Well 1	12561	8558	0.036274	0.396365	0.141577	0.392857	-0.257410	0.010241	-0.014850	0	2	2
Well 2	11955	10140	0.009205	0.234249	0.150538	0.482143	-0.319013	-0.005766	-0.066692	0	0	0
Well 3	9527	8273	0.124026	0.634137	0.057348	0.625000	-0.013475	0.264365	-0.042363	0	2	2
Well 4	9845	8810	0.094571	0.436474	0.062724	0.392857	-0.243245	0.086584	0.054877	0	2	2
Well 5	9165	10140	0.002163	0.107838	0.062724	0.339286	-0.501030	-0.042296	0.031679	0	0	0
Well 6	9770	6170	0.096668	0.517893	0.134409	0.607143	-0.064880	0.156129	-0.071152	0	2	2
Well 7	12485	6170	0.023291	0.390041	0.032258	0.321429	-0.351643	0.063840	0.042337	0	0	0
Well 8	7205	8810	0.060025	0.330878	0.014337	0.250000	-0.408143	0.024900	0.116175	0	0	0
Well 9	6525	10141	0.000000	0.000000	0.000000	0.142857	-0.682235	-0.119085	0.148956	0	0	0
Well 10	4565	8810	0.129695	0.506445	0.019355	0.446429	-0.182367	0.169381	0.067104	0	2	2
Well 11	4565	6170	0.059031	0.326475	0.014337	0.214286	-0.427257	0.006467	0.132051	0	0	0
Well 12	7205	7500	0.116425	0.308382	0.050896	0.357143	-0.327525	0.037954	0.104189	0	0	0
Well 13	5845	3500	0.448775	0.728204	0.340502	0.767857	0.399489	0.125190	0.062541	1	1	1
Well 14	6029	4860	0.586767	0.830438	0.125448	1.000000	0.528360	0.442268	0.129946	1	1	3
Well 15	3205	3530	0.693905	0.941238	0.283154	0.767857	0.614910	0.235907	0.264718	1	1	3
Well 16	3255	4860	0.983387	1.000000	0.534050	0.803571	0.926630	0.061342	0.402751	1	1	3
Well 17	4565	2220	0.193242	0.553839	0.105018	0.535714	-0.042917	0.155905	0.047474	0	2	2
Well 18	7280	620	0.109744	0.472100	0.070251	0.375000	-0.219850	0.083011	0.070069	0	2	2
Well 19	7205	2316	0.149997	0.413578	0.498208	0.392857	-0.021867	-0.278149	-0.035709	0	2	2
Well 20	8559	3952	0.557144	0.681931	0.829749	0.553571	0.562519	-0.394195	0.098533	1	1	1
Well 21	8485	3530	1.000000	0.679369	0.569892	0.482143	0.623406	-0.224038	0.579891	1	1	3
Well 22	8485	4860	0.556915	0.723961	0.792115	0.660714	0.616873	-0.298834	0.057697	1	1	1
Well 23	9770	3530	0.337111	0.828917	0.713262	0.714286	0.555297	-0.171424	-0.132504	1	1	1
Well 24	10995	4860	0.653853	0.980226	0.534050	0.678571	0.696591	0.001060	0.189273	1	1	3
Well 25	10985	3477	0.332251	0.822752	0.426523	0.821429	0.461276	0.112537	-0.093802	1	1	1
Well 26	9845	2220	0.226161	0.595068	0.569892	0.678571	0.282477	-0.143848	-0.141896	1	1	1
Well 27	9633	247	0.033112	0.340165	0.204301	0.767857	-0.092197	0.119982	-0.203768	0	2	2
Well 28	12560	890	0.031890	0.463374	0.301075	0.607143	-0.048710	0.003417	-0.172880	0	2	2
Well 29	12485	2220	0.208459	0.806020	0.534050	0.839286	0.449917	0.029838	-0.236956	1	1	1
Well 30	17765	8810	0.007179	0.101993	0.032258	0.000000	-0.669392	-0.181235	0.200982	0	0	0
Well 31	16405	10140	0.016417	0.179009	0.050179	0.357143	-0.451187	-0.001032	0.033074	0	0	0
Well 32	18405	10140	0.040110	0.618125	0.247312	0.642857	0.034442	0.113728	-0.178826	0	2	2
Well 33	15065	8810	0.012369	0.354896	0.086022	0.500000	-0.271040	0.094025	-0.062265	0	2	2
Well 34	14445	10140	0.033987	0.494596	0.103943	0.607143	-0.123589	0.174712	-0.111230	0	2	2
Well 35	18180	5580	0.001497	0.078777	0.008961	0.232143	-0.591883	-0.058687	0.099687	0	0	0
Well 36	17020	7500	0.007507	0.245697	0.113620	0.321429	-0.403331	-0.048564	0.016042	0	0	0
Well 37	13765	6170	0.130358	0.743816	0.139785	0.750000	0.148006	0.291444	-0.129995	0	2	2
Well 38	15125	6170	0.028745	0.503242	0.093190	0.571429	-0.142443	0.169319	-0.096587	0	2	2
Well 39	16555	3530	0.158864	0.475382	0.139785	0.553571	-0.080168	0.111517	0.006712	0	2	2
Well 40	16075	4860	0.051145	0.616604	0.039427	0.625000	-0.067943	0.274695	-0.095359	0	2	2
Well 41	17915	4860	0.003222	0.070371	0.028674	0.053571	-0.666989	-0.162760	0.177144	0	0	0
Well 42	13765	4860	0.262369	0.729966	0.534050	0.678571	0.360475	-0.072072	-0.112364	1	1	1
Well 43	15125	2220	0.083778	0.523257	0.462366	0.678571	0.120070	-0.076298	-0.219110	0	2	2
Well 44	14552	890	0.020380	0.282443	0.462366	0.196429	-0.266411	-0.382180	-0.030257	0	0	0
Well 45	15535	225	0.010993	0.232487	0.354839	0.196429	-0.350784	-0.309948	0.000517	0	0	0
Well 46	16405	890	0.105630	0.747578	1.000000	0.750000	0.547212	-0.411061	-0.424106	1	1	1
Well 47	17765	890	0.097427	0.690657	0.534050	0.767857	0.296974	-0.039162	-0.286007	1	1	1
Well 48	17765	2220	0.070099	0.568649	0.354839	0.625000	0.064001	0.000878	-0.175739	0	2	2

# Export dataset ke dalam format excel
final_dataset.to_excel('..\excel\Result.xlsx')

# Visualisasi data dalam 2 kluster
fig7 = px.scatter(final_dataset, x = "Easting (ft)", y = "Northing (ft)", color = "cluster with k=2")
fig7.update_layout(title = "Visualisasi data dalam 2 kluster")
fig7.show()

# Visualisasi data dalam 3 kluster
fig7 = px.scatter(final_dataset, x = "Easting (ft)", y = "Northing (ft)", color = "cluster with k=3")
fig7.update_layout(title = "Visualisasi data dalam 3 kluster")
fig7.show()